Demiryolu Hattında Oto-Korelasyon Tabanlı Makas Geçişi ve Ray Yüzeyi Durum İzleme Yöntemi

Öz

Demiryolu ulaşımı yolcu ve kargo taşımacılığında oldukça yaygın olarak kullanılan bir ulaşım türüdür. Raylı ulaşım araçlarının gelişmesiyle birlikte son yıllarda oldukça fazla tercih edilmektedir. Demiryolu araçları ray hattını kullanarak ulaşımlarını sağlamaktadırlar.  Ray hattında oluşabilecek arızalar büyük kazalara neden olmaktadır.  Bu çalışmada, makas geçişleri ve ray yüzeyi tespiti yapılarak ray yüzeylerinde oluşan arızalar tespit edilmektedir. Önerilen yöntemde dört adet yüksek hızlı kamera kullanılmaktadır. Kameralardan alınan görüntüler eş zamanlı işlenerek özellik çıkarımı yapılmaktadır. Görüntü üzerinde her bir sütun için öz ilişki (autocorrelation) değeri hesaplanarak öznitelik sinyali elde edilmektedir. Öznitelik sinyali üzerinde sinyal işleme yapılarak özellik çıkarımı yapılmıştır. Özellik çıkarımının ardından ray yüzeyi ve makas tespiti edilmektedir. Elde edilen ray yüzeyi görüntüleri incelenerek ray yüzeyinde oluşan arızalar tespit edilmektedir. Bu çalışmada yüksek hızlara sahip dört adet kamera eş zamanlı kullanmıştır. Önerilen yöntemin performansı yüksek olduğundan gerçek zamanlı çalışmaktadır.

Anahtar Kelimeler

• Demiryolu,Öz ilişki,Demiryolunda makas tespiti,Durum İzleme

Kaynakça

1. 1. Santur, Y., Karaköse, M., Aydın, İ., and Akın, E. (2016). IMU based adaptive blur removal approach using image processing for railway inspection. International Conference on In Systems, Signals and Image Processing (IWSSIP), 2016 (pp. 1-4).
2. 2. Karakose, E., Gencoglu, M. T., Karakose, M., Yaman, O., Aydin, I., and Akin, E. (2015). A new arc detection method based on fuzzy logic using S-transform for pantograph–catenary systems. Journal of Intelligent Manufacturing, 1-18.
3. 3. Santur, Y., Karaköse, M., and Akın, E. (2016). Learning Based Experimental Approach For Condition Monitoring Using Laser Cameras In Railway Tracks. Int. Journal of Applied Mathematics, Electronics and Computers, 4, 1-5.
4. 4. Taştimur, C., Karaköse, M., and Akın, E. (2016). A Vision Based Condition Monitoring Approach for Rail Switch and Level Crossing using Hierarchical SVM in Railways. International Journal of Applied Mathematics, Electronics and Computers, 4(1), pp. 319-325.
5. 5. Bao Q., Lu M., Lu R., (2007) A Research on the Container Car's Location Under the Bridge Crane By the Technology of Laser Measuring, Science & Technology Of Ports, 2007.
6. 6. González-Nicieza, C., Álvarez-Fernández, M. I., Menéndez-Díaz, A., Álvarez-Vigil, A. E., Ariznavarreta-Fernández, F.(2008) Failure analysis of concrete sleepers in heavy haul railway tracks. Engineering Failure Analysis, 15(1), pp. 90-117.
7. 7. Qingyong, L., Shengwei, R., (2012) A Real-Time Visual Inspection System for Discrete Surface Defects of Rail Heads, IEEE Transactions on Instrumentation and Measurement, 61, 2189-2199.
8. 8. Limin, C., Yin, L., Kaimin, W., (2010) Inspection of rail surface defect based on machine vision system, 2nd International Conference on Information Science and Engineering, 3793 - 3796.

9. 9. Ying, L., Trinh, T., Haas, N., Otto, C., Pankanti, S., (2014) Rail Component Detection, Optimization, and Assessment for Automatic Rail Track Inspection, Trans. on Intel. Trans. Sys., 760–770.
10. 10. Yaman, O., Karakose, M., Aydin, I., and Akin, E. (2014). Detection of pantograph geometric model based on fuzzy logic and image processing. In Signal Processing and Communications Applications Conference (SIU), pp. 686-689
11. 11. Karakose, E., and Gencoglu, M. T. (2013). An analysis approach for condition monitoring and fault diagnosis in pantograph-catenary system. IEEE International Conference on In Systems, Man, and Cybernetics (SMC), pp. 1963-1968.
12. 12. Johansson, A., Pålsson, B., Ekh, M., Nielsen, J. C., Ander, M. K., Brouzoulis, J., and Kassa, E. (2011). Simulation of wheel–rail contact and damage in switches & crossings. Wear, 271(1), 472-481.
13. 13. Bocciolone, M., Caprioli, A., Cigada, A., and Collina, A. (2007). A measurement system for quick rail inspection and effective track maintenance strategy. Mechanical Systems and Signal Processing, 21(3), 1242-1254.
14. 14. Palsson, B. (2014). Optimisation of railway switches and crossings. Chalmers Univ. of Tec.
15. 15. Molodova, M., Li, Z., Núñez, A., and Dollevoet, R. (2013). Monitoring the railway infrastructure: Detection of surface defects using wavelets. In 16th International IEEE Conference on Intelligent Transportation Systems (ITSC) (pp. 1316-1321).
16. 16. Dubey, A., and Jaffery, Z. (2016). Maximally Stable Extremal Region Marking (MSERM) based Railway Track Surface Defect Sensing. IEEE Sensors Journal.
17. 17. Babenko, P. (2009). Visual inspection of railroad tracks, Doctoral dissertation, University of Central Florida Orlando, Florida.
18. 18. Li, Z., Mahapatra, D., Tielbeek, J. A., Stoker, J., van Vliet, L. J., and Vos, F. M. (2016). Image registration based on autocorrelation of local structure. IEEE transactions on medical imaging, 35(1), pp. 63-75.